नई मशीन सीखने की विधि की अनुमति देता अस्पतालों साझा करने के लिए रोगी डेटा-निजी-ScienceDaily


के लिए मेडिकल सवालों के जवाब कर सकते हैं कि लागू किया जा करने के लिए एक विस्तृत रोगी जनसंख्या, मशीन सीखने मॉडल पर भरोसा करते हैं, बड़े, विविध डेटासेट की एक किस्म से संस्थानों. हालांकि, स्वास्थ्य प्रणालियों और अस्पतालों अक्सर प्रतिरोधी साझा करने के लिए रोगी डेटा, कारण करने के लिए कानूनी, गोपनीयता, और सांस्कृतिक चुनौतियां हैं ।

एक उभरती हुई तकनीक कहा जाता है federated सीखने के लिए एक समाधान है, इस दुविधा प्रकाशित एक अध्ययन के अनुसार मंगलवार जर्नल में वैज्ञानिक रिपोर्टके नेतृत्व में वरिष्ठ लेखक Spyridon Bakas, पीएचडी, एक प्रशिक्षक के रेडियोलॉजी और पैथोलॉजी और प्रयोगशाला मेडिसिन में Perelman के स्कूल के विश्वविद्यालय में चिकित्सा पेंसिल्वेनिया.

फ़ेडरेटेड सीखने — एक दृष्टिकोण पहले द्वारा कार्यान्वित गूगल कीबोर्ड के लिए’ स्वतः सुधारें कार्यक्षमता-गाड़ियों एक एल्गोरिथ्म भर में कई विकेन्द्रीकृत उपकरणों या सर्वर पकड़े स्थानीय डेटा नमूने के बिना, उन्हें का आदान प्रदान. जबकि इस दृष्टिकोण का इस्तेमाल किया जा सकता का जवाब करने के लिए कई अलग अलग चिकित्सा सवाल, पेन चिकित्सा शोधकर्ताओं ने दिखाया है कि संयुक्त सीखने सफल रहा है विशेष रूप से के संदर्भ में मस्तिष्क इमेजिंग, द्वारा सक्षम किया जा रहा का विश्लेषण करने के लिए चुंबकीय अनुनाद इमेजिंग (एमआरआई) स्कैन के मस्तिष्क ट्यूमर के रोगियों और स्वस्थ भेद मस्तिष्क के ऊतकों से कैंसर से क्षेत्रों में.

एक मॉडल में प्रशिक्षित पेन चिकित्सा, उदाहरण के लिए, हो सकता है वितरित करने के लिए दुनिया भर के अस्पतालों. डॉक्टरों कर सकते हैं तो ट्रेन के शीर्ष पर इस साझा मॉडल, inputting द्वारा अपने स्वयं के रोगी के मस्तिष्क को स्कैन करता है. अपने नए मॉडल हो जाएगी स्थानांतरित करने के लिए एक केंद्रीकृत सर्वर. मॉडल अंततः समझौता हो सकता है में एक आम सहमति मॉडल प्राप्त की है कि ज्ञान में से प्रत्येक से अस्पतालों, और इसलिए चिकित्सकीय उपयोगी है ।

“अधिक डेटा एक कम्प्यूटेशनल मॉडल देखता है, बेहतर यह सीखता है समस्या है, और यह बेहतर पता कर सकते हैं सवाल है कि यह बनाया गया था करने के लिए जवाब है,” Bakas कहा. “परंपरागत रूप से, मशीन सीखने का इस्तेमाल किया गया है डेटा से एक ही संस्था है, और फिर यह स्पष्ट हो गया है कि उन मॉडलों का प्रदर्शन नहीं करते या सामान्यीकरण पर अच्छी तरह से डेटा से अन्य संस्थानों.”

संघीय मॉडल सीखने की आवश्यकता होगी किया जा करने के लिए मान्य है और अमेरिका द्वारा अनुमोदित खाद्य एवं औषधि प्रशासन से पहले यह कर सकते हैं लाइसेंस प्राप्त है और commercialized के रूप में एक नैदानिक उपकरण के लिए चिकित्सकों. लेकिन अगर और जब मॉडल वाणिज्यीकरण किया जाता है, यह मदद मिलेगी रेडियोलॉजिस्ट, विकिरण कैंसर चिकित्सा विज्ञानियों, और न्यूरो सर्जन महत्वपूर्ण निर्णय लेने के बारे में रोगी की देखभाल, Bakas कहा. लगभग 80,000 लोगों का निदान किया जाएगा एक मस्तिष्क ट्यूमर के साथ इस वर्ष के अनुसार, अमेरिकी ब्रेन ट्यूमर एसोसिएशन.

“अध्ययनों से पता चला है कि, जब यह आता है करने के लिए ट्यूमर की सीमाओं के लिए, न केवल कर सकते हैं अलग अलग चिकित्सकों की अलग अलग राय है, लेकिन एक ही चिकित्सक का आकलन करने का एक ही स्कैन देख सकते हैं, विभिन्न ट्यूमर सीमा परिभाषा पर सप्ताह के एक दिन बनाम अगले,” उन्होंने कहा. “कृत्रिम बुद्धि की अनुमति देता है एक चिकित्सक है करने के लिए और अधिक सटीक जानकारी के बारे में जहां एक ट्यूमर समाप्त होता है, जो सीधे प्रभावित करता है एक रोगी के उपचार और रोग का निदान.”

करने के लिए परीक्षण की प्रभावशीलता federated सीखने और यह तुलना करने के लिए अन्य मशीन सीखने के तरीकों, Bakas के साथ सहयोग के शोधकर्ताओं ने टेक्सास विश्वविद्यालय के एमडी एंडरसन कैंसर सेंटर, वाशिंगटन विश्वविद्यालय, और Hillman कैंसर केंद्र के विश्वविद्यालय में पिट्सबर्ग, जबकि इंटेल कॉर्पोरेशन योगदान दिया गोपनीयता की रक्षा करने के लिए सॉफ्टवेयर परियोजना.

अध्ययन के साथ शुरू हुआ है कि एक मॉडल था पूर्व प्रशिक्षित पर बहु-संस्थागत डेटा से एक खुला स्रोत भंडार के रूप में जाना जाता अंतरराष्ट्रीय मस्तिष्क ट्यूमर विभाजन, या वासियों के लिए चुनौती है. वासियों वर्तमान में प्रदान करता है एक डाटासेट भी शामिल है कि 2,600 से अधिक मस्तिष्क स्कैन पर कब्जा कर लिया के साथ चुंबकीय अनुनाद इमेजिंग (एमआरआई) से 660 रोगियों. अगला, 10 अस्पतालों अध्ययन में भाग लिया द्वारा प्रशिक्षण एअर इंडिया के साथ मॉडल अपने स्वयं के रोगी डेटा. फ़ेडरेटेड सीखने की तकनीक का इस्तेमाल किया गया था करने के लिए कुल डेटा और बनाने के लिए आम सहमति मॉडल.

शोधकर्ताओं की तुलना में federated के लिए सीखने मॉडल द्वारा प्रशिक्षित एकल संस्थानों, के रूप में अच्छी तरह के रूप में करने के लिए अन्य सहयोगी सीखने दृष्टिकोण है. प्रभावशीलता के प्रत्येक विधि द्वारा मापा गया था परीक्षण के खिलाफ उन्हें स्कैन थे कि एनोटेट मैन्युअल रूप से तंत्रिका विज्ञानी द्वारा. जब तुलना करने के लिए एक मॉडल के साथ प्रशिक्षित केंद्रीकृत डेटा नहीं था कि रोगी की गोपनीयता की रक्षा, संघीय सीखने में सक्षम था प्रदर्शन करने के लिए लगभग (99 प्रतिशत) हूबहू. निष्कर्ष यह भी संकेत दिया है कि वृद्धि की पहुँच के लिए डेटा के माध्यम से डेटा निजी, बहु-संस्थागत सहयोग कर सकते हैं लाभ मॉडल का प्रदर्शन.

निष्कर्षों से इस अध्ययन के लिए मार्ग प्रशस्त किया है एक बहुत बड़ा है, महत्वाकांक्षी के बीच सहयोग पेन चिकित्सा, इंटेल, और 30 भागीदार संस्थानों द्वारा समर्थित है, एक $1.2 मिलियन डालर के अनुदान से राष्ट्रीय कैंसर संस्थान के राष्ट्रीय संस्थानों के स्वास्थ्य की है कि सम्मानित किया गया था करने के लिए Bakas इससे पहले इस साल. इंटेल मई में घोषणा की है कि Bakas ले जाएगा परियोजना है, जो 30 संस्थानों, भर में नौ देशों, का उपयोग करेगा federated सीखने दृष्टिकोण को प्रशिक्षित करने के लिए एक आम सहमति ऐ मॉडल पर मस्तिष्क ट्यूमर डेटा. अंतिम लक्ष्य की परियोजना हो जाएगा बनाने के लिए एक खुला स्रोत उपकरण के लिए किसी भी चिकित्सक किसी भी अस्पताल के लिए का उपयोग करें. के विकास में उपकरण पेन के केंद्र के लिए जैव चिकित्सा छवि कंप्यूटिंग और विश्लेषण (CBICA) किया जा रहा है के नेतृत्व में वरिष्ठ सॉफ्टवेयर डेवलपर सार्थक पति, सुश्री

अध्ययन के सह-लेखक Rivka Colen, एमडी, एसोसिएट प्रोफेसर रेडियोलॉजी के पिट्सबर्ग विश्वविद्यालय के स्कूल ऑफ मेडिसिन, ने कहा कि इस पत्र और बड़ा federated सीखने की परियोजना को खोलने के लिए संभावनाएं और भी अधिक का उपयोग करता है, कृत्रिम बुद्धि के स्वास्थ्य देखभाल के क्षेत्र में.

“मुझे लगता है कि यह एक बहुत बड़ा खेल परिवर्तक है,” Colen कहा. “Radiomics है करने के लिए रेडियोलॉजी क्या जीनोमिक्स के लिए किया गया था विकृति है । एअर इंडिया में क्रांतिकारी बदलाव होगा इस क्षेत्र में, क्योंकि, ठीक है अब, के रूप में एक रेडियोलाजिस्ट, के अधिकांश हम क्या है के वर्णनात्मक. के साथ गहरी सीखने, हम कर रहे हैं जानकारी निकालने के लिए है कि में छिपा हुआ है, इस परत के डिजीटल छवियों.”

अतिरिक्त लेखकों पर इस पेपर में शामिल हैं: मीका जम्मू Sheller, ब्रैंडन एडवर्ड्स जी एंथोनी रीना, जेसन मार्टिन, आइकातेरिनी Kotrotsou, मिखाइल Milchenko, Weilin जू, और डैनियल मार्कस.



Source link

Leave a Reply

Your email address will not be published. Required fields are marked *